期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SAE-YOLOv5的机载红外UXO目标检测方法
1
作者
刘子玉
赵旭
+1 位作者
李连鹏
许学平
《激光与红外》
北大核心
2025年第2期288-295,共8页
针对无人机在多种植被环境下检测地面未爆弹的光学精度低、误检率高等问题,提出了一种基于未爆弹红外特征的YOLOv5未爆弹检测方法。首先对采集到的未爆弹目标数据进行重建,然后引入ECA注意力机制以提高识别精度;同时引入ASPP空洞空间金...
针对无人机在多种植被环境下检测地面未爆弹的光学精度低、误检率高等问题,提出了一种基于未爆弹红外特征的YOLOv5未爆弹检测方法。首先对采集到的未爆弹目标数据进行重建,然后引入ECA注意力机制以提高识别精度;同时引入ASPP空洞空间金字塔池化以提高识别效率,并使用CIoU_NMS作为预测框筛选依据。实验证明,在多组不同植被环境的鸟瞰UXO目标红外数据集上,SAE-YOLOv5算法相较于原YOLOv5算法模型,在UXO目标方面精确率由83%提高至87%,平均精度均值从83.6%提升至85%。该算法在文中所述的四种复杂背景下都能有效检测UXO目标,并且漏警率低。
展开更多
关键词
植被环境
未爆弹目标
机载探测
YOLOv5
红外特征
在线阅读
下载PDF
职称材料
基于NGG-YOLOv5的空对地UXO目标检测方法
被引量：
2
2
作者
刘子玉
赵旭
+1 位作者
李连鹏
代牮
《电光与控制》
CSCD
北大核心
2024年第3期70-74,共5页
为提高无人机在复杂环境下对地面未爆弹(UXO)目标的辨识精度,提出了一种改进YOLOv5的UXO目标检测方法。该方法在YOLOv5的基础上,改进原YOLOv5网络的损失函数以提高对UXO目标的识别精度,同时,通过添加注意力机制、改进马赛克数据增强、...
为提高无人机在复杂环境下对地面未爆弹(UXO)目标的辨识精度,提出了一种改进YOLOv5的UXO目标检测方法。该方法在YOLOv5的基础上,改进原YOLOv5网络的损失函数以提高对UXO目标的识别精度,同时,通过添加注意力机制、改进马赛克数据增强、改进预测框筛选机制提高对UXO目标的识别效率,实现了空对地场景下对UXO目标的检测,并具有较好的精度和速度。实验选取多组不同复杂背景的UXO数据集进行标注并训练,得到UXO目标模型,然后从模型训练结果和目标检测结果的角度评估方法和模型的正确性。实验结果表明:NGG-YOLOv5所得模型检测准确性和检测速度对比原YOLOv5有明显的提升,准确率从78%提高至91%,平均精度均值(mAP)从50%提高至56%,在所用4种复杂背景下均可有效检测出UXO目标,且漏警率低。
展开更多
关键词
空对地探测
YOLOv5
未爆弹目标
深度学习
复杂环境
在线阅读
下载PDF
职称材料
题名
基于SAE-YOLOv5的机载红外UXO目标检测方法
1
作者
刘子玉
赵旭
李连鹏
许学平
机构
北京
信息科技大学高动态导航
技术
北京
市重点实验室
北京宏大和创防务技术研究院有限公司
出处
《激光与红外》
北大核心
2025年第2期288-295,共8页
基金
国家重点研发计划项目(No.2020YFC1511702)
高动态导航技术北京市重点实验室项目
“慧眼行动”创新成果转化应用项目(XXX新型多模智能探测系统)资助。
文摘
针对无人机在多种植被环境下检测地面未爆弹的光学精度低、误检率高等问题,提出了一种基于未爆弹红外特征的YOLOv5未爆弹检测方法。首先对采集到的未爆弹目标数据进行重建,然后引入ECA注意力机制以提高识别精度;同时引入ASPP空洞空间金字塔池化以提高识别效率,并使用CIoU_NMS作为预测框筛选依据。实验证明,在多组不同植被环境的鸟瞰UXO目标红外数据集上,SAE-YOLOv5算法相较于原YOLOv5算法模型,在UXO目标方面精确率由83%提高至87%,平均精度均值从83.6%提升至85%。该算法在文中所述的四种复杂背景下都能有效检测UXO目标,并且漏警率低。
关键词
植被环境
未爆弹目标
机载探测
YOLOv5
红外特征
Keywords
vegetation environment
unexploded ordnance target
airborne detection
YOLOv5
infrared features
分类号
TH745 [机械工程—光学工程]
TP73 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于NGG-YOLOv5的空对地UXO目标检测方法
被引量：
2
2
作者
刘子玉
赵旭
李连鹏
代牮
机构
北京
信息科技大学高动态导航
技术
北京
市重点实验室
北京宏大和创防务技术研究院有限公司
出处
《电光与控制》
CSCD
北大核心
2024年第3期70-74,共5页
基金
国家重点研发计划(2020YFC1511702)
北京市科技计划课题(Z221100005222024)
+1 种基金
高动态导航技术北京市重点实验室资助
“慧眼行动”创新成果转化应用项目(×××新型多模智能探测系统)。
文摘
为提高无人机在复杂环境下对地面未爆弹(UXO)目标的辨识精度,提出了一种改进YOLOv5的UXO目标检测方法。该方法在YOLOv5的基础上,改进原YOLOv5网络的损失函数以提高对UXO目标的识别精度,同时,通过添加注意力机制、改进马赛克数据增强、改进预测框筛选机制提高对UXO目标的识别效率,实现了空对地场景下对UXO目标的检测,并具有较好的精度和速度。实验选取多组不同复杂背景的UXO数据集进行标注并训练,得到UXO目标模型,然后从模型训练结果和目标检测结果的角度评估方法和模型的正确性。实验结果表明:NGG-YOLOv5所得模型检测准确性和检测速度对比原YOLOv5有明显的提升,准确率从78%提高至91%,平均精度均值(mAP)从50%提高至56%,在所用4种复杂背景下均可有效检测出UXO目标,且漏警率低。
关键词
空对地探测
YOLOv5
未爆弹目标
深度学习
复杂环境
Keywords
air-to-ground detection
YOLOv5
unexploded ordnance target
deep learning
complex environment
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SAE-YOLOv5的机载红外UXO目标检测方法
刘子玉
赵旭
李连鹏
许学平
《激光与红外》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于NGG-YOLOv5的空对地UXO目标检测方法
刘子玉
赵旭
李连鹏
代牮
《电光与控制》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
